人工智能（AI）算法结合智能手表的单导联心电图（ECG）传感器可可靠检测结构性心脏病（如心肌泵血功能减弱、瓣膜损伤或心肌增厚），该初步研究成果将于2025年美国心脏协会科学会议上发布。本届年会将于11月7日至10日在新奥尔良举行，汇聚全球顶尖专家分享心血管科学与临床实践最新进展。
研究人员表示，这是首个前瞻性研究，证实AI算法可通过智能手表背壳与数字表冠内置的单导联ECG传感器检测多种结构性心脏疾病。
目前全球数百万用户佩戴的智能手表主要用于检测心房颤动等心律问题，而结构性心脏病通常需通过超声心动图诊断——这种高级心脏超声检查需要特殊设备且难以普及用于常规筛查。
阿里亚·阿米诺罗亚，医学博士/公共卫生硕士，研究作者、耶鲁纽黑文医院内科住院医师
康涅狄格州纽黑文耶鲁医学院心血管数据科学实验室研究助理阿里亚·阿米诺罗亚表示："在本研究中，我们探索了日常佩戴的智能手表能否在病情进展为严重并发症或心脏事件前，更早发现这些隐匿性结构性心脏病。"
研究团队利用11万余名成人的26.6万份12导联心电图记录训练AI算法。基于此大规模数据集，他们开发出仅需单导联ECG即可检测结构性心脏病的模型——其数据采集方式与智能手表相同。为模拟真实使用场景，研究人员从12导联ECG中提取单导联信号，并添加人工"噪声"以模拟可穿戴设备常见的随机干扰。
该模型随后通过巴西社区医院患者心电图数据及大型人群研究参与者数据进行外部验证。最终为测试真实性能，研究者前瞻性招募600名受试者，要求其使用智能手表完成30秒单导联ECG检测，从而评估算法在日常场景中的诊断准确性。
分析结果显示：
- 在医院级设备采集的单导联ECG测试中，AI模型表现卓越，在标准性能量表上达到92%的准确率（100%代表完美分类）。
- 在600名受试者的真实场景智能手表ECG检测中，算法仍保持强劲性能，结构性心脏病检测准确率达88%。
- 临床效用突出，疾病检出敏感性达86%，阴性预测值高达99%，表明其排除疾病的可靠性极佳。
单导联ECG本身存在局限，无法替代医疗机构的12导联ECG检查。但结合AI技术后，其筛查重要心脏疾病的效能显著提升，有望利用大众已拥有的设备实现结构性心脏病的大规模早期筛查。
罗汉·克赫拉，医学博士/理学硕士，研究高级作者、心血管数据科学实验室主任
研究背景、设计与方法
为开发AI-ECG算法，研究者采用2015至2023年间耶鲁纽黑文医院110,006名患者的266,054份12导联ECG数据集。每份心电图均匹配超声心动图结果以确认结构性心脏病存在与否，使AI得以从确诊病例中学习。
该模型通过两个独立数据集进行外部验证：
- 四家社区医院收治的44,591名成人
- 巴西成人健康纵向研究（ELSA-Brasil） 的3,014名参与者——该大型人群研究聚焦慢性病，尤重心血管疾病与糖尿病
为提升算法在真实智能手表场景的适用性，研究者在训练阶段添加人工信号干扰（类似杂音），增强AI解析可穿戴设备常见的低质量ECG信号的能力。
前瞻性研究阶段招募600名受试者进行真实场景测试。每位受试者佩戴单导联ECG智能手表，当天同步完成标准超声心动图检查。
受试者中位年龄62岁，女性占比约50%。种族分布为：44%非西班牙裔白人、15%非西班牙裔黑人、7%西班牙裔、1%亚裔、33%其他或混血背景。超声结果证实约5%受试者存在结构性心脏病。
研究局限性包括前瞻性样本中确诊结构性心脏病病例较少，以及假阳性率较高，可能影响推广性与临床应用。
我们计划在更广泛场景中评估该AI工具，并探索其整合至社区心脏筛查项目的可行性，以验证其对提升预防性医疗的潜在价值。
阿里亚·阿米诺罗亚，医学博士/公共卫生硕士，研究作者、耶鲁纽黑文医院内科住院医师
【全文结束】
